Thoracic Ultrasonography and Bronchoalveolar Lavage Fluid Analysis in Holstein Calves with Subclinical Lung Lesions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Thoracic ultrasonography (US) and bronchoalveolar lavage fluid (BALF) analysis are antemortem methods used to identify the lung lesions associated with bovine respiratory disease (BRD). Accuracy of US and the cell distributions in BALF have not been characterized in calves with subclinical disease. OBJECTIVES: To evaluate the accuracy of US and BALF and describe BALF characteristics in calves with subclinical lung lesions. ANIMALS: Twenty-five Holstein calves, 1-12 weeks old. METHODS: In this prospective study, calves with low respiratory scores underwent US, BALF and postmortem examination (normal US, n = 5; comet-tails, n = 5; consolidation, n = 15). Bronchoalveolar lavage fluid was collected and analyzed for total and differential cell counts. Lung lesions were assessed by gross and histopathologic examination. Data were analyzed using nonparametric methods and relative risk analysis. The accuracy of US and BALF were estimated relative to postmortem examination. RESULTS: The sensitivity and specificity of US for detecting lung lesions was 94% (95% CI, 69-100%) and 100% (95% CI, 64-100%), respectively. A cut-point of ≥4% BALF neutrophils was associated with the highest BALF sensitivity and specificity, 81% (95% CI, 56-94%) and 75% (95% CI, 36-95%). The presence of consolidation on US increased the risk of having a BALF neutrophil proportion ≥4% (RR, 3.9; 95% CI, 1.13-13.45; P = .003). CONCLUSIONS AND CLINICAL IMPORTANCE: Ultrasonography accurately detects lung lesions in calves with subclinical disease. Clinicians should use a cut-point of ≥4% BALF neutrophils to diagnose subclinical respiratory disease.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle